в Интернете 
Українська  English  Русский  

DOI: 10.31071/kit2018.14.07


Опись-ссылка ISSN 1812-7231 Klin.inform.telemed. Volume 13, Issue 14, 2018, Pages 52–68


Автор(ы) О.В. Кулик1, О. Ю. Майоров2, 3


Учреждение(я)

1Научно-практический Центр нейрореабилитации "Нодус", Бровары, Украина

2Харьковская медицинская академия последипломного образования, Украина

3Институт медицинской информатики и Телемедицины, Харьков, Украина


Название статьи Информативные показатели нелинейного анализа ЭЭГ у больных с синдромами посткоматозного нарушения сознания после тяжелой черепно-мозговой травмы в динамике ее восстановления


Аннотация (резюме)

Введение. Исследование посвящено вопросам нелинейного многоразмерный анализа ЭЭГ у больных с постравматическими посткоматозными расстройствами сознания, в зависимости от стадий его восстановления по Т.А. Доброхотовой (1985) в ходе восстановительного лечения и реабилитации.

Объем и методы исследований. В основу работы положен анализ 220-ти больных с посткоматозними расстройствами сознания после тяжелой черепно-мозговой травмы (ЧМТ). Линейный и нелинейный анализ ЭЭГ проводился с помощью программного комплекса NeuroResearcher®Innovation Suite® (модулі Basic®, Spectra® и Chaos®) (Version 18.5).

Результаты. В работе исследованы особенности ключевых нелинейных свойств ЭЭГ, и проводится анализ малоизученных и дискуссионных вопросов относительно высокоинформативных показателей, наиболее коррелирующих с динамикой перехода на более высокие стадии синдромов нарушенного сознания.
Доказано значительное преобладание диагностической информативности нелинейного многоразмерный анализа ЭЭГ по сравнению с традиционным линейным корреляционным и спектральным анализом, особенно в выявлении и объективизации признаков интегративной деятельности мозга с синдромами подавленного сознания. Полученные результаты свидетельствуют о значительно более высокой чувствительности данного метода в прогнозировании выхода на более высокие стадии восстановления сознания.

Выводы. Для повышения результативности электроэнцефалографической диагностики, достоверности полученных ЭЭГ показателей у больных с посткоматозными нарушениями сознания после тяжелой ЧМТ, независимо от стадии восстановления сознания в процессе восстановительного лечения и реабилитации, рекомендуется рутинный (визуальный) и линейный (корреляционный и спектральный) анализ кЭЭГ всегда дополнять многоразмерным нелинейным анализом, с вычислением величин энтропии, размерности нейродинамических систем (сложность), параметров аттракторов, а также мультифрактальних свойств ЭЭГ. Это улучшает не только понимание текущего функционального состояния головного мозга, а также дополняет диагностику объективным прогностическим инструментом.


Ключевые слова черепно-мозговая травма, посткоматозные нарушения сознания, паттерны ЭЭГ, нейродинамика, нелинейный анализ ЭЭГ, детерминированный хаос, аттрактор, энтропия Колмогорова-Синая


Список литературы

1. Александров М.В. Возможности количественной ЭЭГ в оценке уровня угнетения сознания: пути преодоления методологического кризиса. Материалы ІІ-й Всероссийской научно-практ. Конфер. "Количественная ЭЭГ и нейротерапия". 27-29 апреля 2009, 2009, СПб. с. 5.

2. Андреев Ю.В. Дмитриев А.С., Куминов Д.А. Хаотические процессоры. Успехи современной радиоэлектроники, 1997, №10, сс. 50-77.

3. Дмитриев А.С. Хаос и обработка информации в нелинейных динамических системах. Радиотехника и Электроника, 1993, т. 38, № 1, сc. 1–24.

4. Дмитриев А.С., Куминов Д.А. Хаотическое сканирование и распознавание образов в нейроподобных системах с обучением. Радиотехника и электроника, 1994, т. 39, cс. 633-641.

5. Доброхотова Т. А., Брагина Н. Н. К природе функциональной симметрии — асимметрии мозга человека. Проблемы нейрокибернетики. Механизмы функциональной межполушарной асимметрии мозга. Изд-во: Элиста, 1985, сс. 3–10.

6. Майоров О.Ю., Глухов А.Б., Фенченко В.Н., Прогнимак А.Б. Реализация метода смещения с помощью оценки размеров осей аттрактора динамической системы мозга. Ж. Кибернетика и вычислительная техника, 2017, вып.153, сс. 3-9.

7. Майоров О.Ю., Фенченко В.Н. Исследование биоэлектрической активности мозга с позиций многоразмерного линейного и нелинейного анализа ЭЭГ. Ж. Клин. информатика и Телемедицина, 2008, т. 4, Вып.5, сс.12-20.

8. Майоров О.Ю., Фенченко В.Н. О вычислении параметров детерминированного хаоса при исследовании биоэлектрической активности (ЭЭГ). Ж. Клин. информатика и Телемедицина, 2006, т.3, вып. 4, сс. 37-46.

9. Майоров О.Ю., Фенченко В.Н. Мультифрактальный анализ в исследовании биоэлектрической активности мозга. Ж. Кибернетика и вычислительная техника. 2015, Вып. 181. cc. 81-94.
10.15407/kvt181.01.070

10. Старченко И.Б., Резниченко А.А., Будко Р.Ю. Моделирование электрических процессов в мозге человека методами нелинейной динамики. Прикаспийский журнал: управление и высокие технологии, 2013, т. 2, №22, сс. 80-88.

11. Шарова Е.В., Зайцев О.С., Щекутьева Г.А. и др. ЭЭГ и ВП в прогнозировании развития бессознательных состояний после тяжелой травмы. Изд-во: ДонНМУ, 2008, т. 4, сс. 82-84.

12. Bashore T., Martinerie J., Albano A., Zimmerman I., Mess A. Dynamics of brain electrical activity. Brain Topography, 1989, no. 2, pp. 99–118.

13. Babloyantz A., Destexhe A. Low dimensional chaos in an instance of epilepsy. Proc Nat. Acad. Sci. USA, 1986, iss. 83, pp. 3515–3517.

14. Babloyantz A., Destexhe A. The Creutzfeldt–Jacob disease in the hierarchy of chaotic attractor. In: Markus M., Muller S., Nicolis G., eds. From chemical to biological organization, Berlin. Springer, 1987, pp. 307–316.

15. Babloyantz A. Chaotic dynamics in brain activity. In: Basar E., ed. Dynamics of sensory and cognitive processing by the brain. Berlin, Springer, 1988, pp. 196–202.

16. Thatcher R.W., Biver C., McAlaster R., Salazar A. Biophysical Linkage between MRI and EEG Coherence in Closed Head Injury. NeuroImage, 1998, vol. 8, iss. 4, pp. 307-326.

17. Boccaletti S., Grebogi C., Lai Y.C., Mancini H., Mazaet D. The control of chaos: Theory and applications. Physics Reports, 2000, iss. 329, pp. 108–109.

18. Peng C.-K., Havlin S., Stanley H.E., Goldberger A.L. Quantification of scaling exponents and crossover phenomena in nonstationary heartbeat time series. CHAOS, 1995, vol. 5, no. 1, pp. 82-87.

19. Destexhe A., Sepulchre J.A., and Babloyantz A. A comparative study of the experimental quantification of deterministic chaos. Phys. Lett. A, 1988, vol. 132, pp. 101–106.

20. Dong-yu Wu, Gui Cai, Zorowitz R.D., Ying Yuan, Jie Wang, Wei-qun Song. Measuring interconnection of the residual cortical functional islands in persistent vegetative state and minimal conscious state with EEG nonlinear analysis. Clin. Neurophysiology, 2011, vol. 122, iss. 10, pp. 1956-1966.

21. Dong-yu Wu., Gui Cai., Ying Yuan., Lin Liu., Guang-qing Li., Wei-qun Song., Mao-bin Wang. Application of nonlinear dynamics analysis in assessing unconsciousness: A preliminary study. Clin. Neurophysiology, 2011, vol. 122, iss. 3, pp. 490-498.

22. Dunkin J.J., Leuchter A.F., Newton T.F., Cook I.A. Reduced EEG coherence in dementia: state or trait marker? Biol. Psychiatry, 1994, vol. 35, pp. 870–879.

23. Fell J., Rochke J., Beckmann P. Nonlinear analysis of sleep EEG data in schizophrenia: calculation of the principal Lyapunov exponent. Psychiatry Res., 1995, iss. 56, pp. 257–269.

24. Freeman W.J. Simulation of chaotic EEG pattern with a dynamic model of the olfactory system. Biol. Cyb., 1987, vol. 56, iss. 2-3, pp. 139-150.

25. Freeman W.J., Yao Y. and Burke B. Central pattern generating and recognition in olfactory bulb: a correlation learning rule. Neural Networks, 1988, vol. 1, pp. 277-278.

26. Yoong Y. and Freeman W.J. Model of Biological Pattern Recognition with Spatially Chaotic Dynamics. Neural Networks, 1990, vol. 3, no. 2, pp. 153–170.

27. Glass L., Michel R.G., Mackey M., Shrier A. Chaos in neurobiology. IEEE Trans. Sys. Man & Cybernatics, 1983, vol. 13, iss. 5, pp. 790–798.

28. Gosseries O. et al. Automated EEG entropy measurements in coma, vegetative state/unresponsive wakefulness syndrome and minimally conscious state. Functional Neurology, 2011, vol.26, iss. 1, pp.1-6.

29. Hornero R., Alonso A., Jimero N., Jimero A., Lopez M. Nonlinear analysis of time series generated by schizophrenic patients. IEEE Eng. Med. Biol., 1999, P. 18, pp.84–90.

30. Jeong Jaeseung J., Chae Jeong–Ho, Kim Soo Yong, Han Seol–Heui. Nonlinear Dynamic Analysis of the EEG in Patients with Alzheimer's Disease and Vascular Dementia. Clin. Neurophysiology, 2001, vol. 18, iss. 1, pp. 58-67.

31. Lin M., Chan H., Fang S. Linear and nonlinear EEG indexes in relation to the severity of coma. Conf. Proc. IEEE Eng. Med. Biol. Soc., 2005, iss. 4, pp. 580-4583.

32. Mayer G., Layne S.C. Dimensionality of the human encephalogram. In perspectives in Biological Dynamics and Theoretical Medicine. Annals NY Acad. Sci. Ed by: Koslow S.H., Madell A.J., Shlessinger M.F., 1987, pp. 504–507.

33. Mayorov O. Yu., Fenchenko V.N. Searching for 'neuromarkers' characteristic for pathologic changes in schizophrenia by using the scaling indices of the cerebral bioelectrical activity. European J. of Biomed. Informatics (EJBI), 2018, vol. 14, iss. 1, pp. 67-74.

34. Thakor N.V., Tong S. Advances in Quantitative Electroencephalogram Analysis Methods. Annual Rev. of Biomed. Engineering, 2009, vol. 6, pp. 453-495.
10.1146/annurev.bioeng.5.040202.121601

35. Jaeseung Jeong, Jeong–Ho Chae, Soo Yong Kim, and Seol–Heui Han. Nonlinear Dynamic Analysis of the EEG in Patients with Alzheimer's Disease and Vascular Dementia. Clin. Neurophysiology, 2001, vol. 18, no.1, pp. 58 –67.

36. Rényi A. On measures of information and entropy. Proc. of the 4th Berkeley Symposium on Mathematics, Statistics and Probability. 1960. 1961, pp. 547–561.

37. Skarda C.A. and Freeman W.J. How Brains Make Chaos in Order to Make Sense of The World. Behavioral and Brain Sciences, 1987, vol. 10, pp. 161–195.

38. Spasic S., Culic M., Grbic G., Martac L., Sekulic S., Mutavdzic D. Spectral and Fractal Analysis of Cerebellar Activity After Single and Repeated Brain Injury. Bulletin of Math. Biology, 2008, vol. 70, iss. 4, pp. 1235–1249.

39. Slobounov S., Sebastianelli W., Hallett M. Residual brain dysfunction observed one year post-mild traumatic brain injury: Combined EEG and balance study. Clin. Neurophysiology, 2012, vol. 123, iss. 9, pp. 1755-1761.

40. Soong A.C., Stuart C.I: Evidence of chaotic dynamics underlying the human alpha-rhythm electroencephalogram. Biol. Cybern., 1989, iss. 62, pp. 55–62.

41. Stam C.J. Nonlinear dinamical analysis of EEG and MEG: Review of an emerging field (Invited review). Clin. Neurophysiology, 2005, iss. 116, pp. 2266-2301.

42. Thatchera R.W., Biver C., McAlaster R., Salazar A. Biophysical Linkage between MRI and EEG Coherence in Closed Head Injury. NeuroImage, 1998, vol. 8, iss. 4, pp. 307-326.

43. Vivien B., Langeron O., Riou B. Entropy and bispectral index in brain-dead organ donors. Intensive Care Med., 2007, iss.33, pp. 919-920.

44. Wendling F., Bellanger J.J., Bartolomei F., Chauvel P. Relevance of nonlinear lumped-parameter models in the analysis of depth-EEG epileptic signals. Biol. Cybernetics, 2000, vol. 83, iss. 4, pp. 367–378.

45. Wennervirta J., Salmi T., Hynynen M. et al. Entropy is more resistant to artifacts than bispectral index in brain-dead organ donors. Intensive Care Med., 2007, iss. 33, pp. 133-136.

46. Wu D., Cai G., Yuan Y. et al. Application of nonlinear dynamics analysis in assessing unconsciousness: A preliminary study. Clin. Neurophysiol., 2011, iss. 122, pp. 490-498.

47. Доброхотова Т.А., Брагина Н.Н. Функциональная асимметрия и психопатология очаговых поражений головного мозга. М., Медицина, 1977, 359 с.


Полнотекстовая версия http://kit-journal.com.ua/ru/viewer_ru.html?doc/2018_14/007.pdf